如何根据条件推定 DataFrame 的某些包含或排除列的所有值？

Question

假设我有一个简单的 DataFrame：

import pandas as pd

df = pd.DataFrame.from_dict(
        {
            'foo': [0.00, 0.31, 0.45],
            'bar': [1.00, 0.55, 3.01],
            'qux': [0.30, 4.10, 2.78]
        },
        orient = 'index'
     )

这里是：

       0     1     2
qux  0.3  4.10  2.78
foo  0.0  0.31  0.45
bar  1.0  0.55  3.01

我可以通过这种方式将 DataFrame 中所有小于 1 的值更改为其他值 (0)：

df[df < 1] = 0

结果是：

       0    1     2
qux  0.0  4.1  2.78
foo  0.0  0.0  0.00
bar  1.0  0.0  3.01

我如何将这样的更改应用到除第 2 列以外的所有列？这将导致以下结果：

       0    1     2
qux  0.0  4.1  2.78
foo  0.0  0.0  0.45
bar  1.0  0.0  3.01

Answer 1

布尔索引的列可能更少，因此您可以在构建布尔条件时删除列 2：

df[df.drop(2, axis=1) < 1] = 0

df
#         0   1    2
#foo    0.0 0.0 0.45
#qux    0.0 4.1 2.78
#bar    1.0 0.0 3.01

df[df.drop(1, axis=1) < 1] = 0

df
#         0    1       2
#foo    0.0 0.31    0.00
#qux    0.0 4.10    2.78
#bar    1.0 0.55    3.01

如何根据条件推定 DataFrame 的某些包含或排除列的所有值？

How can all values of certain included or excluded columns of a DataFrame be impuded based on a condition?

python

dataframe

pandas

imputation